所有提交的EM系统将被重定向到网上投稿系统.作者被要求将文章直接提交给网上投稿系统各自的日志。

一个冲突解决模型使用逻辑评分偏好的专家系统

Aaron Don非洲
菲律宾马尼拉德拉萨尔大学欧洲经委会系副教授
有关文章载于Pubmed谷歌学者

更多相关文章请访问国际电气、电子和仪器工程高级研究杂志

摘要

专家系统是一种系统类型,它通常拥有一个包含积累经验的知识库和一组将知识库应用于每个特定解决方案的规则。这是一个人工智能基于系统,执行任务,否则是由人类专家执行。这些系统的一个问题是,它可能会为一组症状输出多个可能原因。作为回报,用户在进行诊断程序时仍然会有一段粗糙的时间。这个问题的解决方案是应用冲突解决模型。本文提出了一种基于偏好逻辑评分(LSP)的冲突解决模型,用于信息系统通信网络专家系统。这可以帮助用户进行诊断程序并减少试验和错误。

关键字

采购产品冲突解决,数据管理,专家系统,信息系统。

介绍

人工智能可能是未来最重要的技术贡献者。能够使作业或流程更快的系统是有优势的。
人工系统的一个例子是专家系统。这种类型的系统模拟在特定领域拥有专家知识和经验的人或组织的判断和行为,或打算体现特定领域专家的能力和知识[2]。
在这个技术和通信系统快速发展的时代,对于企业和行业来说,开发支持部门环境技术来促进和诊断其自身的信息系统通信网络是非常重要的。在组织结构中整合帮助台联系中心对大公司来说是至关重要的。雷竞技网页版公司的员工是部门的客户。他们有助于解决员工的技术问题,并在尽可能快的时间对其进行诊断,以最大限度地减少操作延迟。
在本研究中,信息系统通信网络是指一个组织的内部技术骨干,解决与信息和通信技术(ICT)、计算机及其网络、硬件、固件和软件应用程序有关的问题。开发的冲突解决模型将应用于某通信公司的信息系统通信网部门。

开发的专家系统的例子

最早开发的专家系统之一是1970年早期在斯坦福大学开发的MYCIN[3]。这是爱德华·肖特利夫博士的博士论文,是用LISP语言写的。这个专家系统被编程来识别可能导致严重感染的细菌,并推荐抗生素。这个专家系统使用了一个由600条规则组成的干扰引擎。系统将用一长串的文本问题询问运行程序的医生。结果将是一份可能导致这种疾病的细菌清单。该系统还将给出一个推荐的治疗方法。斯坦福大学医学院进行的一项研究发现,MYCIN的正确诊断率为65%,这对大多数不是该领域专家的医生是有益的。这一专家系统从未在实践中使用,并不是因为其性能薄弱,而是由于在医学诊断中使用专家系统存在伦理和法律问题。
开发专家系统的另一个例子是Caduceus[4]。它是由匹兹堡大学的Harry popple开发的专家系统。它始于20世纪70年代早期。这本书花了很长时间才完成,它是基于他对杰克·梅耶斯医生的采访,杰克·梅耶斯医生是顶级内科诊断医生之一。他们的目的是改进MYCIN专家系统。这个专家系统可以诊断1000种疾病,而不是专注于内科。
另一个被创建的专家系统是MEXSES[5]。该方案是环境筛选的一个原型。本软件借鉴了多项环境影响评价技术,试图将最合适的元素组合成一个智能、全面和知识驱动的软件。这个专家系统管理一个项目评估数据库和一个地图和地理参考数据的地理数据库。该系统在早期阶段提供了潜在的环境影响。专家系统根据层次分类方案和一般概况,利用关于项目特点的广泛知识和数据库。系统的知识库仅限于一个问题类的一些检查表和规则示例。
另外一个开发专家系统的例子是IMPACT。它是美国能源部[6]开发的用于环境分析筛选工具的专家系统。该软件使用一种简化的方法来评估不同类型的影响,如邻近效应、地下水效应和水污染。该软件通过给出表格式的书面报告来给出结果。
到2001年,NASA的人工智能组信息系统技术部门创建了航天器健康推断引擎(SHINE)。该系统设计为在非模拟环境中运行,并使用C和c++编程语言[7]。其知识库系统包括自动任务规划、诊断等应用,这些应用需要基于人工智能概念和先进编程技术的不同软件模块。这个知识库还可以定制,以满足用户自己的问题解决表示和技术。
专家健康数据编程在2006年开发了一个公开可用的专家系统,称为STD向导[8]。它用于确定建议哪些与性传播疾病有关的疫苗接种、筛查测试和评估。本专家系统所包含的信息是基于美国疾病控制和预防中心的“性传播疾病治疗指南- 2006”。这个专家系统是基于网络的,并向用户提出一系列问题。可能有100个问题,但专家系统通常会问大约20个。
这些专家系统面临的一个挑战是冲突解决。如果干涉引擎中的两个或多个规则给出了高输出,您将触发哪一个。很少有技术尝试解决这个问题。其中之一是均值分析(MEA)。它最初是在通用问题解决器[10]中引入的。在问题空间上的搜索过程旨在将正向推理和反向推理结合起来。这种方法侧重于解决当前状态与目标之间的实际差异,或者计算每个可用选项与目标状态之间的差异。这种方法的一个缺点是,如果在专家系统中使用,则需要定义目标状态。规则是定义的目标状态将被触发,而不考虑仍有可能成为可能原因(PC)的未触发规则。本文提出了一种新的专家系统冲突解决模型。 It will be applied in Information System Communication Networks.

冲突解决模型

逻辑偏好评分(LSP)模型主要用于评估复杂的硬件和软件系统,如网站。作者对该模型进行了重新设计,将其用作冲突解决模型。这是第一次在专家系统中使用。它被用来给专家系统所建议的最可能的原因赋予一个权重。
该模型被应用于专家系统的规则。关于如何将其从网站排名整合到专家系统的窘境权重的算法是作者自行开发的,不同的输入参数会给出不同的问题可能原因。与在实际应用程序中一样,对于不同的症状,人类专家可能会对某个问题提出不同的建议,并给出可能导致问题[11]的百分比确信度。冲突解决模型算法将给出权重。该算法可用于制定问题症状之间的关系,其中症状有不同信任关系的子症状。
同时度r由这个方程表示
方程
举个例子,当运算是算术平均值时,d的值为1,r的值为0.5。
与单纯的添加剂相比,该模型的优势在于能够处理不同的逻辑关系和运算符,以反映评估需求[12]。这种优势有利于具有问题和症状关系的专家系统。这些系统的最终产品是具有不同类型症状的问题,其中这些症状彼此相关。根据症状的数量,将在数据库中的关系表中选择用于困境权重的参数。

冲突解决模型的算法如下

1)获取用户输入的百分确信度。
2)将相应的确定度百分比与其等效症状相匹配。
3)将初始化变量A的值初始化为基本偏好Ei的特征。设L为基本偏好Ei的评估函数。
4)确定聚合块中的特征数量为n,其值为满足“症状”所需的“条件”的数量。
5)将100除以聚合块N中的特征个数,得到特定特征的权重W。
6)通过将其andor函数与L匹配,确定同时度r的值。
7)代入e0 = (W1E1 r+…WkEk r)1 / r方程的结果将是可能原因的权重。
8)重复所有符合“症状”的“可能原因”。

数据和结果

A.算法中的专家系统规则
算法和冲突解决模型将使用实际数据进行测试和验证。数据是电信公司的网络支持部门或信息系统通信网络遇到的问题。出于保密目的,公司的实际名称将不予披露。
表2、表3、表4、表5分别为“症状表”、“可能原因表”、“症状及可能原因列表”和专家系统规则。
B.冲突解决模型的应用
冲突解决模型应用于表5中的规则。在输入症状时,会出现不同的可能原因集。例如,我们输入S1, S10和S19。对所有症状输入100%的百分确信度,如图1所示。
图1显示了输入专家系统症状的用户界面。它具有用于输入症状的自动补全功能,以及用于百分比确信度的选择功能。
如图2所示,专家系统将提出可能的原因4、7和8。请注意,基于冲突解决模型,PC的规则有最多的值输入一次将有更高的困境权重;因此,根据数据,这是最有可能的可能原因。
图3显示了表5可能原因的模型。这些症状之间的关系很弱,因此定义了C-的and或。请注意,规则5只有一个条件。为了使用冲突解决模型,至少应该有两个或更多的条件。

分析与结论

冲突解决在专家系统中很重要。系统可能会针对一组症状建议不同的输出。如果没有冲突解决方案,用户将很难进行诊断活动,并且仍然可能导致试验和错误。本文通过建立一个新的冲突解决模型来解决这一困境。该模型应用于信息系统通信网络。
冲突解决模型用于实际数据。它给专家系统建议的输出赋予了两难的权重。根据信息系统,最高权重是由最可能的问题原因输出的。本研究通过对原来只能在网站上使用的LSP进行彻底的重构,为专家系统创建了一个新的冲突解决模型。

表格一览

表的图标 表的图标 表的图标 表的图标 表的图标
表1 表2 表3 表4 表5

数字一览

数字 数字 数字
图1 图2 图3

参考文献













全球科技峰会